图像处理是将图像中各部分进行分类识别，其主要目的是去除无用部分、过滤或淡化干扰因素从而提取图像中真实的重点信息，可以实现最大程度地简化图像内容并提高其检测精度，以保证图像分割、特征抽取、匹配识别过程中的可靠性。
随着计算机技术的飞速发展，图像处理技术也在生产生活中日益发挥着重要作用。由于光照条件不佳、背景环境中的噪声或者传输过程产生的干扰噪声，我们所获取的图像可能模糊不清、质量低下，此时就可以利用图像增强技术对图像的细节进行优化。在一幅图像中，人们只对图中的某些目标感兴趣，我们通过图像分割技术把图像分割成不同的区域，从而分离出图像中的各个对象，然后从这些区域中获取对象的特征，从而提取出我们感兴趣的目标[2]。
当代计算机更新换代速度极其迅猛，计算机处理能力越来越强，在图像处理技术保持着高速进步的同时，它也愈加广泛地快速交织渗透入其他学科，使得图像处理在信息传递信息读取等方面的作用日益凸显，意义非凡。如今图像处理技术的应用范围越来越广阔，已经渗透到医疗、航天、工业、军事等各个领域，在生产作业中发挥其重要价值。随着技术水平的发展，未来图像处理技术将被应用到更多更广泛的领域，扮演愈加重要的角色，将大大影响我们的工作生活。
1.1.2  国内外研究现状
1.1.3  图像处理基本内容
1.图像数字化
当我们要利用计算机来进行处理图像工作，就需要通过图像数字化技术把实际图像转变成数字矩阵的形式，存储至计算机中并且能够显示出来，然后再对数字矩阵进行分析和处理。图像经过数字化后的数字矩阵结果，要在能够保证图像初始性不失真的条件下又便于计算机分析运算。图像数字化包括采样与量化[6]。记录一幅图像所需要的点的数量我们称之为采样，图像分辨率的大小即矩阵行列数的乘积的数值可用来判断采样结果质量。从整体来讲，将一幅连续的完整的图像按照横纵坐标方向等间距地切割成一个个相同的正方形小格，我们称之为像素。图像的采样就是构成一张完整图片的像素点的集合，同一张图，像素数量越多越清晰。而量化是图像采样之后的每个像素的数值范围区间，因此通过量化后我们可以得到图像所能表示的各种颜色总量，量化反映了采样后所有像素的质量水平，量化数值越多颜色越丰富。
2.图像增强
图像增强技术可以使得视觉效果得到提升[7]。图像信息中总包含着重点信息和次要因素，为了获取图像中的重要信息，我们需要有目的地性地对整体或局部图像的特性进行调整，把模糊的图像改善化为清晰可见或突出重点区域的特征，将图像中不同物体间的差异放大，使次要特征得到抑制，从而得到质量提升、信息准确的新图像，增强图像的辨识度及可区分性，使之转化为计算机更易运算处理的模式。常用图像增强算法有线性对比度展宽、动态范围调整、直方图均衡化、同态滤波和伪彩色技术等。
3.图像几何变换
运用数学建模的手段对图像的大小、位置、形状等进行变换，我们把这种方法称为图像几何变换。有时出于客观条件的限制，我们通过采集工具所获得的图像，画面可能会存在偏大或偏小的情况，需要完成缩小或放大调整工作。当然，在摄像头与拍摄物体之间没有满足相互平行的条件时，采集到的图像会产生几何畸变，比如一个矩形物体会被采集成一个梯形形状，因此我们要对这些畸变进行校正。当我们匹配目标物体时，可能要使用旋转、平移等方法处理图像。三文立体图到二文平面的转化，要使用到投影变换[8]。几何变换是初步处理图像基础，其主要内容包括位置变换（平移，镜像，旋转）、形状变换（缩小，放大，错切）和投影变换等。 Matlab低对比度刻线图像处理技术的研究(2):http://www.youerw.com/wuli/lunwen_20498.html